CN107316296B - 一种基于对数变换的遥感图像变化检测方法及装置 - Google Patents

一种基于对数变换的遥感图像变化检测方法及装置 Download PDF

Info

Publication number
CN107316296B
CN107316296B CN201710537712.0A CN201710537712A CN107316296B CN 107316296 B CN107316296 B CN 107316296B CN 201710537712 A CN201710537712 A CN 201710537712A CN 107316296 B CN107316296 B CN 107316296B
Authority
CN
China
Prior art keywords
image
remote sensing
difference image
sensing image
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710537712.0A
Other languages
English (en)
Other versions
CN107316296A (zh
Inventor
周文艳
贾振红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang University
Original Assignee
Xinjiang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang University filed Critical Xinjiang University
Priority to CN201710537712.0A priority Critical patent/CN107316296B/zh
Publication of CN107316296A publication Critical patent/CN107316296A/zh
Application granted granted Critical
Publication of CN107316296B publication Critical patent/CN107316296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于对数变换的遥感图像变化检测方法及装置，涉及图像处理技术领域，主要目的是解决现有的非监督图像变化检测方法对遥感图像进行变化检测的检测结果性能指标仍然较低，进而导致遥感图像变化检测准确性较低的问题。技术方案包括：获取第一遥感图像和第二遥感图像，所述第一遥感图像和第二遥感图像为两个不同时相分别对应的遥感图像；分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；根据所述第一差异图像和所述第二差异图像，计算最终差异图像，所述最终差异图像为表示所述两个不同时相之间的变化区域图像。主要用于两时相遥感图像变化区域的检测。

Description

一种基于对数变换的遥感图像变化检测方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于对数变换的遥感图像变化检测方法及装置。
背景技术
随着遥感技术的迅速发展，遥感图像已经在多个领域中得到广泛应用，如土地利用监测、森林监测、城市监测和自然灾害评估分析等。遥感图像的变化检测是指根据同一地区在不同时刻，获取的两幅或多幅遥感图像来确定和分析该地区地表的变化信息。通常情况下，对遥感图像进行变化检测的方法可以分为两类，即监督检测方法和非监督检测方法。其中，监督检测方法是指需要利用分类器训练样本，而后根据训练的样本检测遥感图像的变化区域的方法；非减粗检测方法是指直接对两幅或多幅遥感图像进行检测的方法。然而由于监督检测方法需要获取真实的参考数据，成本较高，因而使得非监督检测方法在实际应用中更加普遍。
目前，在使用非监督检测方法进行遥感图像变化检测时，可以通过数据融合和模糊聚类的非监督图像变化检测方法，或者通过PPB去噪和K-means聚类的非监督图像变化检测算法等，虽然提高了遥感图像检测结果的精度，但检测结果的性能指标仍然较低，进而导致遥感图像变化检测准确性较低。
发明内容
鉴于上述问题，提出了本发明以便提供一种基于对数变换的遥感图像变化检测方法及装置，主要目的是解决现有的非监督图像变化检测方法对遥感图像进行变化检测的检测结果性能指标仍然较低，进而导致遥感图像变化检测准确性较低的问题。
借由上述技术方案，本发明提供的一种基于对数变换的遥感图像变化检测方法，包括：
获取第一遥感图像和第二遥感图像；
分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；
根据所述第一差异图像和所述第二差异图像，计算最终差异图像。
借由上述技术方案，本发明提供的一种基于对数变换的遥感图像变化检测装置，包括：
获取单元，用于获取第一遥感图像和第二遥感图像；
计算单元，用于分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；
所述计算单元，还用于根据所述第一差异图像和所述第二差异图像，计算最终差异图像。
本发明实施例提供的一种基于对数变换的遥感图像变化检测方法及装置，与现有的通过非监督图像变化检测方法对遥感图像进行变化检测相比，本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像，并根据获取到的两幅遥感图像，利用两个预置函数分别计算得到两个不同的差异图像，再根据得到的两个差异图像计算最终的差异图像，提高了检测结果的性能指标，进而提高了遥感图像变化检测的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了发明实施例提供的一种基于对数变换的遥感图像变化检测方法的流程图；
图2示出了发明实施例提供的另一种基于对数变换的遥感图像变化检测方法的流程图；
图3示出了发明实施例提供的一种基于对数变换的遥感图像变化检测装置的方框图；
图4示出了发明实施例提供的另一种基于对数变换的遥感图像变化检测装置的方框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种基于对数变换的遥感图像变化检测方法，如图1所示，所述方法包括：
101、获取第一遥感图像和第二遥感图像。
其中，所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像，而所述遥感图像可以为SAR(Synthetic Aperture Radar，合成孔径雷达)图像。
例如，获取到第一遥感图像为地区A在时相1时的SAR图像为X1，X1＝{X1(i，j)，1＜i＜m，1＜j＜n}，获取到第二遥感图像为地区A在时相2时的SAR图像为X2，X2＝{X2(i，j)，1＜i＜m，1＜j＜n}，X1和X2均为m像素×n像素的SAR图像。
102、分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像。
其中，所述预置第一函数可以为差值函数，所述第二预置函数可以为对数比值函数，例如，如所述步骤101中获取到的第一遥感图像X1和第二遥感图像X2，则具体的利用差值函数和对数比值函数计算差异图像可以如下所示：
第一差异图像为F1(i，j)＝|X1(i，j)-X2(i，j)|，第二差异图像为
Figure BDA0001336228770000031
需要说明的是，式中，用G1(i，j)+1代替G1(i，j)，用G2(i，j)+1代替G2(i，j)以避免出现Gi(i＝1，2)像素值为0的情况。
103、根据所述第一差异图像和所述第二差异图像，计算最终差异图像。
其中，所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
具体地，所述步骤103可以为分别对第一差异图像和第二差异图像分配权重，而后根据两幅差异图像和分别对应的权重计算最终差异图像。
对于本发明实施例，通过获取同一地区两个时相的遥感图像，并根据得到的两时相遥感图像进行处理、定性分析、计算等操作，最终得到差异遥感图像，即两时相之间的变化区域的图像，完成对遥感图像的变化检测。
本发明实施例提供的一种基于对数变换的遥感图像变化检测方法，与现有的通过非监督图像变化检测方法对遥感图像进行变化检测相比，本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像，并根据获取到的两幅遥感图像，利用两个预置函数分别计算得到两个不同的差异图像，再根据得到的两个差异图像计算最终的差异图像，提高了检测结果的性能指标，进而提高了遥感图像变化检测的准确性。
本发明实施例还提供了另一种基于对数变换的遥感图像变化检测方法，如图2所示，所述方法包括：
201、获取第一遥感图像和第二遥感图像。
其中，所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
202、对所述第一遥感图像和所述第二遥感图像分别进行对数转换。
进一步地，得到与所述第一遥感图像对应的基于对数域第一图像和与所述第二遥感图像对应的基于对数域第二图像。其中，所述对数转换可以为以2为底数的对数运算。
具体地，所述步骤202可以如下所示：
U1(i，j)＝lb(X1(i，j)+1)，U2(i，j)＝lb(X2(i，j)+1)，其中，X1和X2分别为两个不同时相的遥感图像，U1和U2分别表示对遥感图像进行对数转换后得到的基于对数域图像。需要说明的是，式中，用X1(i，j)+1代替X1(i，j)，X2(i，j)+1代替X2(i，j)，以避免出现Xi(i＝1，2)像素值为0的情况。
对于本发明实施例，通过对获取到的遥感图像进行对数转换，使得遥感图像转换为对数域图像，从而可以把遥感图像的灰度值压缩至[0，8]之间的同时，将遥感图像中的噪声进行压缩，进而实现了对遥感图像进行去噪，提高了遥感图像变化检测的精度。
203、对所述基于对数域第一图像和所述基于对数域第二图像进行去噪处理。
进一步地，分别得到去噪后第一图像和去噪后第二图像。具体地，所述步骤203可以为通过Frost滤波器对经过对数转换得到的基于对数域的图像进行去噪。
对于本发明实施例，通过利用Frost滤波器对基于对数域的图像进行去噪，可以在平滑噪声的同时保留图像边缘信息，使得去噪后的遥感图像更加准确，从而提高了遥感图像变化检测的准确率。
204、分别利用预置第一函数和预置第二函数，根据所述去噪后第一图像和所述去噪后第二图像，计算第一差异图像和第二差异图像。
其中，所述预置第一函数可以为差值函数，所述第二预置函数可以为对数比值函数，具体的概念解释可以参考步骤102中相应描述，在此不再赘述。
需要说明的是，通过将基于对数域的图像进行去噪后并采用差值操作，能够在一定程度上消除相干斑噪声的影响，通过将基于对数域的图像进行去噪后并采用对数比值操作，可以提高变化区域的辨识度，抑制非变化区域的背景信息，因为使得图像有更强的鲁棒性，提高了遥感图像变化检测的精确度。
205、对所述第一差异图像和所述第二差异图像分别进行滤波处理。
进一步地，得到滤波后第一差异图像和滤波后第二差异图像。其中，所述滤波处理可以为均值滤波器处理，也可以为中值滤波器处理，对第一差异图像和第二差异图像可以为相同的滤波处理方法，也可以为不同的滤波处理方法，本发明实施例不做具体限定。
206、根据所述滤波后第一差异图像和所述滤波后第二差异图像，计算最终差异图像。
具体地，对于本发明实施例，所述步骤206具体可以包括：将所述滤波后第一差异图像和所述滤波后第二差异图像分别配置第一权重系数和第二权重系数；分别计算所述第一权重系数和所述第一差异图像的乘积，以及所述第二权重系数和所述第二差异遥感图像的乘积，得到第一乘积和第二乘积；将所述第一乘积和所述第二乘积相加的和值，确定为最终差异遥感图像。需要说明的是，为了确保最终差异图像的灰度值仍置于0到8之间，所述第一权重系数和所述第二权重系数之和为1。
对于本发明实施例，具体的应用场景可以如下所示，但不限于此，包括：
获取第一遥感图像X1和第二遥感图像X2，对遥感图像X1和X2进行对数转换，得到基于对数域的图像U1和U2，而后对图像U1和U2进行去噪，得到去噪后的图像G1和G2，根据图像G1利用差值法计算得到第一差异图像为F1，根据图像G2利用对数比值法计算得到第二差异图像为F2，而后通过均值滤波器对第一差异图像F1进行滤波处理，得到滤波后第一差异图像D1，通过中值滤波器对第二差异图像F2进行滤波处理，得到滤波后第而差异图像D2，为了平衡平滑图像且保留图像细节，可以将第一权重系数和第二权重系数设置为相等的数值，即均为0.5，此时可以计算得到最终的差异遥感图像R(i，j)为：
R(i，j)＝0.5D1(i，j)+0.5D2(i，j)。
207、利用预置聚类算法对所述最终差异遥感图像进行聚类。
其中，所述预置聚类算法可以为FCM(Flow Cytometry/financal capacitymodel，流式细胞术)聚类算法。
具体地，所述步骤207可以为通过最小化目标函数Jm找到给定数据的模糊聚类，最小化目标函数Jm为：
Figure BDA0001336228770000061
式中Y＝(y1，y2，...，yn)是一组n维数据样本，Z＝(z1，z2，...，zn)是模糊组I的聚类中心，U＝[uij]c×n是Y的隶属度矩阵，uij∈[0，1]是yi属于第i类的隶属度，||yj-zi||为第i个聚类中心与第j个数据点间的欧几里德距离，且m∈(1，∞]是一个加权指数，而后通过拉格朗日乘子可以得到Jm达到最小值时的必要条件
Figure BDA0001336228770000071
和
Figure BDA0001336228770000072
进行迭代，得到最优的聚类结果。
本发明实施例提供的另一种基于对数变换的遥感图像变化检测方法，与现有的通过非监督图像变化检测方法对遥感图像进行变化检测相比，本发明实施例通过获取同一地区两个不同时相的遥感图像之后，对两幅遥感图像进行对数转换，并进行去噪处理，而后利用差值函数和对数比值函数对两幅去噪后的图像分别计算差异图像，并对差异图像进行滤波处理后，根据配置的权重系数计算最终的差异遥感图像，提高了检测结果的性能指标，进而提高了遥感图像变化检测的准确性。
进一步地，作为图1所示方法的具体实现，本发明实施例提供一种基于对数变换的遥感图像变化检测装置，如图3所示，所述装置可以包括：获取单元31、计算单元32。
获取单元31，用于获取第一遥感图像和第二遥感图像；所述获取单元31为一种基于对数变换的遥感图像变化检测装置执行获取第一遥感图像和第二遥感图像的功能模块。
计算单元32，用于分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；所述计算单元32为一种基于对数变换的遥感图像变化检测装置执行计算第一差异图像和第二差异图像的功能模块。
所述计算单元32，还可以用于根据所述第一差异图像和所述第二差异图像，计算最终差异图像；所述计算单元32为一种基于对数变换的遥感图像变化检测装置执行计算最终差异图像的功能模块。
该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的一种基于对数变换的遥感图像变化检测装置，与现有的通过非监督图像变化检测方法对遥感图像进行变化检测相比，本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像，并根据获取到的两幅遥感图像，利用两个预置函数分别计算得到两个不同的差异图像，再根据得到的两个差异图像计算最终的差异图像，提高了检测结果的性能指标，进而提高了遥感图像变化检测的准确性。
进一步地，作为图2所示方法的具体实现，本发明实施例提供另一种基于对数变换的遥感图像变化检测装置，如图4所示，所述装置可以包括：获取单元41、计算单元42。
获取单元41，用于获取第一遥感图像和第二遥感图像；
计算单元42，用于分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；
所述计算单元42，还用于根据所述第一差异图像和所述第二差异图像，计算最终差异图像。
进一步地，所述装置还包括：转换单元43，去噪单元44。
所述转换单元43，用于对所述第一遥感图像和所述第二遥感图像分别进行对数转换。
所述去噪单元44，用于对所述基于对数域第一图像和所述基于对数域第二图像进行去噪处理。
进一步地，所述计算单元42，具体用于分别利用预置第一函数和预置第二函数，根据所述去噪后第一图像和所述去噪后第二图像，计算第一差异图像和第二差异图像。
进一步地，所述装置还包括：滤波单元45。
所述滤波单元45，用于对所述第一差异图像和所述第二差异图像分别进行滤波处理。
进一步地，所述计算单元42，具体还用于根据所述滤波后第一差异图像和所述滤波后第二差异图像，计算最终差异图像。
具体地，为了提高遥感图像变化检测的准确性，所述计算单元42包括：
配置模块4201，用于将所述滤波后第一差异图像和所述滤波后第二差异图像分别配置第一权重系数和第二权重系数；
计算模块4202，用于分别计算所述第一权重系数和所述第一差异图像的乘积，以及所述第二权重系数和所述第二差异遥感图像的乘积，得到第一乘积和第二乘积；
确定模块4203，用于将所述第一乘积和所述第二乘积相加的和值，确定为最终差异遥感图像。
进一步地，所述装置还包括：聚类单元46。
所述聚类单元46，用于利用预置聚类算法对所述最终差异遥感图像进行聚类。
该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的另一种基于对数变换的遥感图像变化检测装置，与现有的通过非监督图像变化检测方法对遥感图像进行变化检测相比，本发明实施例通过获取同一地区两个不同时相的遥感图像之后，对两幅遥感图像进行对数转换，并进行去噪处理，而后利用差值函数和对数比值函数对两幅去噪后的图像分别计算差异图像，并对差异图像进行滤波处理后，根据配置的权重系数计算最终的差异遥感图像，提高了检测结果的性能指标，进而提高了遥感图像变化检测的准确性。
所述基于对数变换的遥感图像变化检测装置包括处理器和存储器，上述获取单元、计算单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有的非监督图像变化检测方法对遥感图像进行变化检测的检测结果性能指标仍然较低，进而导致遥感图像变化检测准确性较低的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取第一遥感图像和第二遥感图像，所述第一遥感图像和第二遥感图像为两个不同时相分别对应的遥感图像；分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；根据所述第一差异图像和所述第二差异图像，计算最终差异图像，所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种基于对数变换的遥感图像变化检测方法，其特征在于，包括：
获取第一遥感图像和第二遥感图像，所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像；
对所述第一遥感图像和所述第二遥感图像分别进行对数转换，得到与所述第一遥感图像对应的基于对数域第一图像和与所述第二遥感图像对应的基于对数域第二图像，把所述第一遥感图像和所述第二遥感图像的灰度值压缩至[0,8]之间；
通过Frost滤波器对所述基于对数域第一图像和所述基于对数域第二图像进行去噪处理，分别得到去噪后第一图像和去噪后第二图像；
分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；
对所述第一差异图像和所述第二差异图像分别进行滤波处理，所述滤波处理为均值滤波器处理或中值滤波器处理，得到滤波后第一差异图像和滤波后第二差异图像；
根据所述滤波后第一差异图像和所述滤波后第二差异图像，计算最终差异图像，所述最终差异图像为表示所述两个不同时相之间的变化区域图像；
所述分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像包括：
分别利用预置第一函数和预置第二函数，根据所述去噪后第一图像和所述去噪后第二图像，计算第一差异图像和第二差异图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述滤波后第一差异图像和所述滤波后第二差异图像，计算最终差异图像包括：
将所述滤波后第一差异图像和所述滤波后第二差异图像分别配置第一权重系数和第二权重系数；
分别计算所述第一权重系数和所述滤波后第一差异图像的乘积，以及所述第二权重系数和所述滤波后第二差异图像的乘积，得到第一乘积和第二乘积；
将所述第一乘积和所述第二乘积相加的和值，确定为最终差异图像。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
利用预置聚类算法对所述最终差异图像进行聚类。
4.一种基于对数变换的遥感图像变化检测装置，其特征在于，包括：
获取单元，用于获取第一遥感图像和第二遥感图像，所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像；
转换单元，用于对所述第一遥感图像和所述第二遥感图像分别进行对数转换，得到与所述第一遥感图像对应的基于对数域第一图像和与所述第二遥感图像对应的基于对数域第二图像，把所述第一遥感图像和所述第二遥感图像的灰度值压缩至[0,8]之间；
去噪单元，用于通过Frost滤波器对所述基于对数域第一图像和所述基于对数域第二图像进行去噪处理，分别得到去噪后第一图像和去噪后第二图像；
计算单元，用于分别利用预置第一函数和预置第二函数，根据所述第一遥感图像和所述第二遥感图像，计算第一差异图像和第二差异图像；
滤波单元，用于对所述第一差异图像和所述第二差异图像分别进行滤波处理，所述滤波处理为均值滤波器处理或中值滤波器处理，得到滤波后第一差异图像和滤波后第二差异图像；
所述计算单元，还用于根据所述滤波后第一差异图像和所述滤波后第二差异图像，计算最终差异图像，所述最终差异图像为表示所述两个不同时相之间的变化区域图像；
所述计算单元，具体用于分别利用预置第一函数和预置第二函数，根据所述去噪后第一图像和所述去噪后第二图像，计算第一差异图像和第二差异图像。
5.根据权利要求4所述的装置，其特征在于，所述计算单元包括：配置模块，计算模块，确定模块，
所述配置模块，用于将所述滤波后第一差异图像和所述滤波后第二差异图像分别配置第一权重系数和第二权重系数；
所述计算模块，用于分别计算所述第一权重系数和所述滤波后第一差异图像的乘积，以及所述第二权重系数和所述滤波后第二差异图像的乘积，得到第一乘积和第二乘积；
所述确定模块，用于将所述第一乘积和所述第二乘积相加的和值，确定为最终差异图像。
6.根据权利要求4或5所述的装置，其特征在于，所述装置还包括：
聚类单元，用于利用预置聚类算法对所述最终差异图像进行聚类。
CN201710537712.0A 2017-06-29 2017-06-29 一种基于对数变换的遥感图像变化检测方法及装置 Active CN107316296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710537712.0A CN107316296B (zh) 2017-06-29 2017-06-29 一种基于对数变换的遥感图像变化检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710537712.0A CN107316296B (zh) 2017-06-29 2017-06-29 一种基于对数变换的遥感图像变化检测方法及装置

Publications (2)

Publication Number Publication Date
CN107316296A CN107316296A (zh) 2017-11-03
CN107316296B true CN107316296B (zh) 2020-11-10

Family

ID=60181125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710537712.0A Active CN107316296B (zh) 2017-06-29 2017-06-29 一种基于对数变换的遥感图像变化检测方法及装置

Country Status (1)

Country Link
CN (1) CN107316296B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830828B (zh) * 2018-04-28 2022-02-18 新疆大学 一种遥感图像变化检测方法及装置
CN109583487A (zh) * 2018-11-21 2019-04-05 新疆大学 一种sar图像变化检测方法及装置
CN109886959B (zh) * 2019-03-19 2023-04-25 新疆大学 检测图像变化的方法及装置
CN111383216B (zh) * 2020-03-10 2022-04-05 新疆大学 图像间变化的检测方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456018B (zh) * 2013-09-08 2017-01-18 西安电子科技大学 基于融合和pca核模糊聚类的遥感图像变化检测方法
CN103456020B (zh) * 2013-09-08 2016-04-13 西安电子科技大学 基于treelet特征融合的遥感图像变化检测方法
CN103955894B (zh) * 2014-04-14 2017-04-19 武汉科技大学 一种量子启发的医学超声图像去斑方法
CN104200471B (zh) * 2014-08-30 2017-03-01 西安电子科技大学 基于自适应权值图像融合的sar图像变化检测方法
CN104778717A (zh) * 2015-05-05 2015-07-15 西安电子科技大学 基于导向差异图的sar图像变化检测方法
CN106296655B (zh) * 2016-07-27 2019-05-21 西安电子科技大学 基于自适应权值和高频阈值的sar图像变化检测方法

Also Published As

Publication number Publication date
CN107316296A (zh) 2017-11-03

Similar Documents

Publication Publication Date Title
CN107316296B (zh) 一种基于对数变换的遥感图像变化检测方法及装置
WO2023138300A1 (zh) 目标检测方法及应用其的移动目标跟踪方法
CN112446378B (zh) 目标检测方法及装置、存储介质、终端
US8015132B2 (en) System and method for object detection and classification with multiple threshold adaptive boosting
CN103020978B (zh) 结合多阈值分割与模糊聚类的sar图像变化检测方法
US8559726B2 (en) Image analysis based on pixel brightness grouping
CN108830828B (zh) 一种遥感图像变化检测方法及装置
CN112861915A (zh) 一种基于高级语义特征无锚框非合作目标检测方法
CN111814852A (zh) 图像检测方法、装置、电子设备和计算机可读存储介质
CN111383216B (zh) 图像间变化的检测方法及装置
CN108564083A (zh) 一种遥感图像变化检测方法及装置
CN112950685A (zh) 一种红外与可见光图像配准方法、***及存储介质
CN109903246B (zh) 检测图像变化的方法及装置
CN110853069A (zh) 一种用于车辆外观分割的神经网络模型构建方法与***
CN113313179A (zh) 一种基于l2p范数鲁棒最小二乘法的噪声图像分类方法
CN112348750A (zh) 基于阈值融合和邻域投票的sar图像变化检测方法
CN117423344A (zh) 一种基于神经网络的声纹识别方法及装置
CN112133100B (zh) 一种基于r-cnn的车辆检测方法
CN113688655B (zh) 干扰信号的识别方法、装置、计算机设备和存储介质
Wang et al. An image edge detection algorithm based on multi-feature fusion
CN113792764A (zh) 一种样本扩充方法、***、存储介质及电子设备
Kuang et al. Object tracking with collaborative extreme learning machines
CN113569792B (zh) 一种基于精准指纹识别的智能保险柜应用方法及装置
CN117218496A (zh) 一种检测模型训练方法、图像的处理方法和电子设备
CN116977791A (zh) 多任务模型训练方法、任务预测方法、装置、计算机设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant